어떤 금속 주조 동향이 시장에 영향을 미치나요?

~에 의해보스 사설 | 게시 날짜: 2022년 3월 23일 | 업데이트됨: 2022년 3월 23일 오후 1:38

금속 주조 동향은 계속해서 시장을 형성하고 사람들이 이전 노력을 개선하도록 돕습니다. 다음은 현재 해당 부문에 영향을 미치는 몇 가지 사항이며 가까운 미래에도 계속 영향을 미칠 가능성이 높습니다.

데이터 분석은 금속 주조 전문가가 전체 생산성, 공정 시간, 오류 감지 등에 대한 정확하고 신뢰할 수 있는 정보를 얻는 데 도움이 됩니다. 독일 BMW 그룹 공장의 사례 연구는 무엇이 가능한지 보여줍니다.

이 시설에서는 엔진과 차체 부품을 포함하여 1년에 430만 개의 주조 금속 부품을 생산했습니다. 데이터 분석을 사용한다는 것은 회사가 샌드 코어의 저장 시간부터 온도 및 압력 세부 사항에 이르기까지 프로세스에 대한 수천 가지 세부 정보를 저장한다는 것을 의미합니다. 또한 이 회사는 주조품의 3D 측정 데이터를 활용하여 기공이나 다공성과 같은 결함을 감지합니다.

공장의 데이터 과학 책임자인 Nelly Apfel은 단일 주조 공정 내에서 수천 개의 매개변수를 통해 어떻게 연관성을 확인할 수 있는지 설명했습니다. "데이터 투명성은 인과관계를 인식하는 데 도움이 됩니다. 이는 부품 품질에 중요합니다. 그리고 이를 통해 우리 주조 기술자는 개별 주조 시스템에 대한 최적의 매개변수 세트를 구성할 수 있습니다."라고 그녀는 말했습니다.

또한 회사 시스템은 시스템에 설정된 이상적인 매개변수와 실제 매개변수를 지속적으로 비교합니다. 편차가 너무 크면 알람이 울리고 필요한 경우 주조 공정이 자동으로 중지됩니다.

일부 금속 주조 추세는 많은 사람들이 지속 가능성에 대해 우려하고 있기 때문에 공정을 덜 낭비적이고 환경에 더 좋게 만드는 것과 관련이 있습니다. 생사 주조는 가장 신뢰할 수 있는 주조 방법 중 하나로 간주됩니다. 여기에는 모래 골재로 일회용 주형을 만들고 그 안에 녹인 황동을 붓는 작업이 포함됩니다.

사람들은 주형을 한 번만 사용하지만 일부 금속 주조 회사에서는 사용한 모래를 다른 목적으로 사용하는 재활용 프로그램을 운영하고 있습니다. 생사 주조 공정은 벤토나이트와 탄소의 소비에 의존하며, 그 중 대부분은 매립됩니다. 그러나 일부 금속 주조 시설에서는 일부를 재생하기 위한 집진 방법을 갖추고 있습니다.

적어도 한 회사는 벤토나이트와 탄소를 주조 먼지에서 분리하여 재사용하는 특허 공정도 보유하고 있습니다. 해당 소재의 회수율은 83%인 것으로 알려졌다.

미국 환경 보호국(EPA)은 또한 사용한 주조 모래를 재사용하는 몇 가지 잠재적인 방법을 자세히 설명합니다. 한 가지 옵션은 제조된 토양과 화분 매체에 첨가하는 것입니다. 도로의 기초 역할도 할 수 있습니다. 그러나 해당 단체는 대부분의 사용한 모래가 아직 재활용되지 않고 있음을 확인했습니다. 더 많은 옵션이 널리 사용됨에 따라 이러한 상황도 바뀔 수 있기를 바랍니다.

인공지능(AI)은 금속 주조 동향에 관한 여러 가지 정보에도 등장합니다. 회사 리더들은 두 기술을 결합하면 결과를 최적화할 수 있다는 사실을 깨닫고 데이터 분석 소프트웨어와 함께 이를 사용하는 경우가 많습니다.

Toyota는 최근 Siemens와 협력하여 자동차 에어컨 압축기의 다이캐스팅 결함을 찾아내는 인공 지능 솔루션을 확보했습니다. 역사적으로 이 프로세스는 주입 속도와 팀 구성원의 경험 수준의 변화로 인해 관리하기가 어려웠습니다.

그러나 새로운 접근 방식에는 모든 다이 캐스팅 샷에 대해 약 40,000개의 데이터 포인트를 수집하는 것이 포함됩니다. 그러면 AI 기반 시스템이 해당 정보를 분석하여 결함 가능성을 평가합니다.

AI는 촬영 당시 제작 환경과 관련된 요소를 확인한다. 다음으로 부품의 품질을 측정하기 위해 즉시 세부 사항을 검토합니다. 데이터 분석과 AI의 이러한 결합은 사람들이 인공 지능을 활용하기 전에 어떻게 목표를 염두에 두어야 하는지를 보여줍니다. 이를 통해 해당 기술이 원하는 결과를 얻을 수 있는지 여부를 더 쉽게 판단할 수 있습니다.

또 다른 예로, 한 금속 주조 회사는 AI를 활용하여 최상의 결과를 얻을 수 있는 이상적인 방법을 찾아냈습니다. 이를 통해 회사는 불량률을 최소화하는 동시에 에너지 소비를 줄일 수 있었습니다. AI를 적용하여 프로세스를 개선함으로써 사람들의 유일한 선택이 최선의 가정에 의존하는 것일 때 흔히 발생하는 시행착오가 제거되었습니다.